キーボード入力の限界を超える「マルチモーダル化」
これまで、開発における入力インターフェースは、キーボード（テキスト）一択でした。しかし、入力はマルチモーダル化していく可能性を見せています。
- 画像：ホワイトボードのラフスケッチ、Figmaのスクリーンショット
- 音声：ミーティングの録画、口頭でのアイデア
- ドキュメント：PDFの仕様書、過去の設計図
現在の生成AIは、これらをそのままAIに入力として渡せる（読み込ませられる）ようになりました。
「このホワイトボードの図の通りに画面を作って」「この議事録の会話から、必要なAPIの仕様書を起こして」このように、人間が翻訳（コーディング）する手間を極限まで減らし、意図を伝えるだけで動くものができる世界に近づきつつあります。
東大生の事例に学ぶ、これからのエンジニアの生存戦略
AIネイティブ開発を実現するには、新しいツールを導入するだけでは足りません。私たちエンジニア自身の認識も、AI時代に合わせてアップデートが必要です。
これからのAIとの向き合い方を考える上で大きな示唆を与えてくれるのが、東京大学の学内広報誌（『淡青評論』No.1599）に掲載された、経済学研究科の小川光教授によるコラムです。このコラムは、ネット上でも大きな話題となりました。
そこには、ある修士学生の姿が描かれていました。彼は経済学の専門教育を受けていないにもかかわらず、生成AIを駆使して、トップレベルの学術誌に挑戦できる水準の経済学論文を書き上げたというのです。アイデア出しから先行研究のレビュー、モデル構築、データ収集、分析、そして執筆まで。AIを単なる検索ツールや翻訳機としてではなく、思考の中核に置き、専門外の領域で驚くべき成果を出しました。教授は、そんなAIネイティブな若者の登場に、頼もしさと共にちょっとした恐怖さえ感じたと記しています。
これはアカデミアだけの話ではありません。これから開発現場に入ってくる新しいエンジニアたちは、最初からAIありきで技術に触れています。彼らにとってAIは、新規に導入された便利ツールではなく、エディタやキーボードと同じ前提環境なのです。
しかし、この話には重要な続きがあります。なぜその学生は、AIであれだけの論文を書けたのに、わざわざ教授の元を訪れたのでしょうか？
なぜなら、AIが出したアウトプットが本当に正しいのか自分では判断できなかったからです。
AIとの対話で素晴らしいとされた論文が、プロの目から見て本当に通用するかを確かめるために、専門家（教授）を頼りました。これが、私たちエンジニアの生存戦略の一つかもしれません。
AIは、人間よりも速く、大量にコードを書きます。しかし、それが本物かどうかを見極める「目利き」の力、あるいは責任・承認を与える行為は、一定して人間が担うことになるでしょう。
AIネイティブ開発の4つのマインドセット
これらを踏まえ、AIネイティブ開発に挑戦する中で、以下のようなマインドセットへ切り替えていく必要を感じています。
完璧主義を捨て、60点のコードを対話で育てる
AIが生成するコードは、最初は「60点」かもしれません。バグを含んでいたり、冗長だったりすることもあるでしょう。しかし、人間が0から書いて100点を目指すより、AIが出した60点を対話しながら90点へ引き上げるほうが、開発速度は圧倒的に早くなります。このスピード感は、今後数年でさらに加速していくはずです。
だからこそ、書き捨てのプロトタイプを恐れず、まずはAIに形を作らせる勇気が必要です。「検証と責任」を担保する仕組みを前提に、AI活用を前提とした開発のサイクルを回すことこそが、将来的にAIによる恩恵を最大化する鍵となるでしょう。
コードを「一時的な成果物」として扱う（Code as a Consumable）
かつてコードはエンジニアがこだわって、設計・コーディングするものでしたが、これからは、もっと一時的な存在（Consumable）に近くなるかもしれません。
AIを使えば、実装は数秒でやり直せます。せっかく書いたからというサンクコストに縛られる必要もありません。
設計に悩むなら、AIコーディングエージェントに全パターンを実装させ、そこから一つを選び取ることもできます。スクラップ＆ビルドを恐れないスタイルが、AI時代の開発のスピード感を支えるかもしれません。
新卒1年目でも「テックリード」として振る舞う覚悟
たとえあなたが新卒1年目でも、AIの前ではテックリードとして振る舞う必要があります。
AIは非常に優秀ですが、もっともらしい嘘（ハルシネーション）をつく可能性がある存在です。AIに思考や責任までアウトソースしてはいけないのです。
アウトプットを鵜呑みにせず、厳しくレビューし、設計の不備を指摘し、最終的な責任を持つ。これからのエンジニアは、全員がマネジメント能力を求められると言っても過言ではありません。
「生産性」はAIに譲り、人間は「検証可能性」を担う
コードを書く速度や量、生産性（Productivity）の面で人間がAIに勝つことは不可能になっていきます。
人間が1時間かける実装を、AIは数秒で完了させます。では、私たちの価値はどこに残るのか？ その一つは、検証可能性の担保だと考えています。
AIは大量にコードを書きます。人間はその大量に生産されたコードに対して「要件を満たしているか」「セキュリティホールはないか」「将来の拡張性を損なっていないか」を見極め、選択する必要があります。
AIが出力したコードを論理的に正しいと証明できる状態（Verifiable）に落とし込み、フィードバックループを回す、そして最終的な品質に責務を持つ。同様にコーディングができることの価値は相対的に下がり、何を作るべきか（What）、なぜ作るのか（Why）を知り、それを正しく実現できているか判断できる環境を仕上げることの価値が上がります。
